一种基于机器视觉的鱼类养殖监测方法及系统技术方案

本发明专利技术涉及鱼类数字化养殖技术领域，具体公开了一种基于机器视觉的鱼类养殖监测方法及系统，该系统包括陆地视觉模块、通信模块、中央计算模块、处理模块、辅助模块、水下移动视觉模块，在水域附近的岸边部署该陆地视觉模块模块，使用yolov4算法，通过对水流，海浪等进行识别判断，当识别到水流海浪等目标时，将信号传至通信模块在传入至中央计算模块，水下移动视觉模块搭载至各水下机器人中，使用yolov4算法对养殖鱼类中不同鱼类的物种进行识别、区分。本发明专利技术通过水上水下视觉模块结合，构建不同鱼类的健康/异常模型，增大决策的可信度；当判定为异常时，对其进行后续处理，可解决现有技术多种鱼类使用统一模型导致的针对性差等问题。多种鱼类使用统一模型导致的针对性差等问题。多种鱼类使用统一模型导致的针对性差等问题。

【技术实现步骤摘要】
一种基于机器视觉的鱼类养殖监测方法及系统


[0001]本专利技术涉及鱼类数字化养殖
，具体为一种基于机器视觉的鱼类养殖监测方法及系统。

技术介绍

[0002]在鱼类养殖中，鱼类因各种病害或损伤而不能及时处理而造成的疾病扩散、水体污染等带来的大量经济损失，因此，对养殖鱼类进行健康监测，以保证产品的产量和质量是必要的。现有的技术主要是通过获取鱼类活动中的图像、视频，运用神经网络等方法进行其健康监测；
[0003]现有的鱼类健康检测与跟踪方法，有以下缺点：
[0004]1.水下环境复杂，影响视觉识别效果，现有的技术并未提及如何增强水下视觉识别的精度，只是粗略提及使用机器视觉、神经网络方法对鱼类进行检测。
[0005]2.现有技术大都是对鱼类进行跟踪检测，此方案对于装置的耗能较大，而且由于水下环境因素，机器人供能与耗能一直是一个还待完善的问题。
[0006]现有技术只是粗略提及鱼类的形态特征，并未对此进行详细说明，并且不同鱼类异常行为不同，使用同一种决策依据，会降低判断准确度。
专利技术内容
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的鱼类养殖监测方法，其特征在于，包括以下步骤：S1：对水域面积进行计算，根据水下机器人数量划分其负责区域；S2：获取各区域内鱼类信息，与原有的数据库匹配，识别出鱼的种类；S3：根据鱼的种类构建对应的敏感性模型；S4：释放水下机器人，使用诱鱼技术拉近二者距离，根据敏感性模型，增强光源，会出现两种状况：1)：鱼类受到惊扰；2)鱼类未惊扰；S5：当鱼类受到惊扰时，预测鱼类移动轨迹，与在其轨迹内的其余机器人进行通信；S6：其余水下机器人相互配合监测受惊扰的鱼类，然后再重复S4；S7：当鱼类未受惊扰时，水下机器人与鱼类相对静止的监测其行为与特征；S8：与鱼类异常模型比对，输出是否判定结果：1)：判定健康；2)判定异常；S9：当判定健康时，则反馈数据，对模型进行下一步训练，等待下一次作业；S10：当判定异常，则进行及时捕捞措施；S11：最后进行进一步检测、治疗。2.一种实施权利要求1所述方法的基于机器视觉的鱼类养殖监测系统，其特征在于：包括陆地视觉模块、通信模块、中央计算模块、处理模块、辅助模块、水下移动视觉模块，陆地视觉模块输出端与通信模块输入端信号连接，通信模块输出端与中央计算模块输入端信号连接，中央计算模块输出端与处理模块的输入端信号连接，辅助模块输出端与陆地视觉模块输入端信号连接，辅助模块输出端与水下移动视觉模块输入端信号连接，水下移动视觉模块输出端与同行模块输入端信号连接。3.根...

【专利技术属性】
技术研发人员：唐睿智，谢泽文，周晓阳，黄永柱，蔡培周，王岩，王颖琳，王嘉轩，张耀星，
申请(专利权)人：广州大学，
类型：发明
国别省市：